MétaCan
Menu
Retour à la cohorte
Enregistrement W2805111833 · doi:10.1109/icoa.2018.8370583

Real-time UAV path-terrain collision evaluation on FPGA

2018· article· en· W2805111833 sur OpenAlexaff
François Charles Joseph Allaire, Mohammed Tarbouchi, Gilles Labonté, Vincent Roberge

Notice bibliographique

Revue2018 4th International Conference on Optimization and Applications (ICOA) · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueRobotic Path Planning Algorithms
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésTerrainField-programmable gate arrayCollisionComputer sciencePath (computing)Real-time computingCollision avoidanceEmbedded systemComputer securityGeographyComputer network

Résumé

récupéré en direct d'OpenAlex

One of the most fundamental element of the Unmanned Aerial Vehicles (UAV) path planning is the assurance that the path planned avoids any terrain collision. The task to “evaluate how much a UAV path is in collision with the terrain” is particularly crucial for path planners that are optimizing random generated paths. This terrain collision evaluation task can be computationally demanding and its computation time depends on the environment representation used. This paper presents a Field Programmable Gate Arrays (FPGA) based design of a UAV terrain collision evaluator that evaluates in parallel segments of the path in real-time. Its worst case computation time has a fixed upper bounded, based on the size of the map. For a 500×500 grid map, this upper bound is 1.9 μs, which is a promising result for future UAV real-time path planners.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil0,934

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,054
Tête enseignante GPT0,329
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2018 4th International Conference on Optimization and Applications (ICOA)Même sujetRobotic Path Planning AlgorithmsTravaux en français237 207